Amazon Web Services 한국 블로그
Author: Antje Barth
Antje Barth is a Principal Developer Advocate for generative AI at AWS. She is co-author of the O’Reilly books Generative AI on AWS and Data Science on AWS. Antje frequently speaks at AI/ML conferences, events, and meetups around the world. She also co-founded the Düsseldorf chapter of Women in Big Data.
Amazon SageMaker Studio – 웹 기반 인터페이스, 코드 편집기, 유연한 작업 공간 추가
이제 개선된 Amazon SageMaker Studio 환경을 발표합니다! 새 SageMaker Studio 웹 기반 인터페이스는 더 빠르게 로드되며, IDE 선택에 관계없이 기본 통합 개발 환경(IDE)과 SageMaker 리소스 및 도구에 대한 일관된 액세스를 제공합니다. JupyterLab 및 RStudio 외에도 SageMaker Studio에는 이제 Code-OSS(Visual Studio Code 오픈 소스) 기반의 완전 관리형 코드 편집기가 포함되어 있습니다. 코드 편집기와 JupyterLab은 모두 유연한 […]
Amazon Q – 비지니스를 위한 생성형 AI 기본 도우미 (미리 보기)
오늘은 비즈니스에 맞게 조정할 수 있는 업무용으로 설계된 새로운 생성형 인공 지능(AI) 기반 어시스턴트인 Amazon Q를 발표합니다. Amazon Q를 사용하여 회사의 정보 리포지토리, 코드, 데이터 및 엔터프라이즈 시스템에 연결하여 대화를 나누고, 문제를 해결하며, 콘텐츠를 생성하고, 인사이트를 획득하며, 조치를 취할 수 있습니다. Amazon Q는 직원에게 관련 정보와 조언을 즉각적으로 제공해 작업을 간소화하고, 의사 결정 및 문제 […]
Amazon SageMaker HyperPod – 대규모 분산 학습을 위한 인프라 기능
오늘은 Amazon SageMaker HyperPod를 소개합니다. 이 기능은 대규모 분산 교육을 위해 특별히 구축된 인프라를 제공하여 파운데이션 모델(FM) 교육 시간을 감축하도록 지원합니다. 이제 SageMaker HyperPod를 사용하여 몇 주 또는 몇 달 동안 FM을 학습할 수 있고, SageMaker는 클러스터 상태를 능동적으로 모니터링하여 결함이 있는 노드를 교체하고 체크포인트에서 모델 학습을 재개하여 자동화된 노드 및 작업 복원력을 제공합니다. 클러스터는 […]
Amazon Bedrock Knowledge Bases 정식 출시 – 완전관리형 RAG 경험 제공
지난 9월에 Knowledge Bases for Amazon Bedrock(평가판)을 소개했습니다. 오늘부터 Knowledge Bases for Amazon Bedrock을 정식 버전으로 사용할 수 있습니다. Knowledge base(기술 자료)를 사용하면 Amazon Bedrock의 파운데이션 모델(FM)을 회사 데이터에 안전하게 연결하여 검색 증강 생성(RAG)을 지원할 수 있습니다. 추가 데이터에 액세스하면 지속적으로 FM을 재훈련할 필요 없이 관련성이 높고 상황에 맞는 정확한 응답을 생성하는 데 도움이 됩니다. […]
Amazon Bedrock – Amazon Titan 이미지 생성기, 다중 모드 임베딩 및 텍스트 모델 지원
오늘, 두 가지 새로운 Amazon Titan 멀티모달 파운데이션 모델(FM)인 Amazon Titan Image Generator(프리뷰)와 Amazon Titan Multimodal Embeddings을 소개합니다. 또한 Amazon Titan Text Lite와 Amazon Titan Text Express가 이제 Amazon Bedrock에서 정식 출시되었다는 소식을 전하게 되어 기쁩니다. 이제 Amazon Titan Multimodal Embeddings을 포함하여 출시된 세 가지 Amazon Titan Text FM 중에서 선택할 수 있습니다. Amazon Titan […]
Amazon Bedrock Guardrails – 책임 있는 AI 정책에 맞춘 맞춤화된 보호 장치 구현 (미리 보기)
책임 있는 인공 지능(AI) 전략의 일환으로 이제 Amazon Bedrock Guardrails(미리 보기)을 사용하여 사용 사례와 책임 있는 AI 정책에 맞게 사용자 지정된 보호 장치를 구현함으로써 사용자와 생성형 AI 애플리케이션 간의 안전한 상호 작용을 촉진할 수 있습니다. AWS는 교육과 과학에 중점을 두고, AI 수명 주기 전반에 걸쳐 책임 있는 AI를 통합할 수 있도록 개발자를 지원함으로써 사람 중심의 […]
Amazon Bedrock Agent 정식 출시 – 향상된 오케스트레이션 제어 및 추론 가시성 제공
지난 7월에 Amazon Bedrock용 에이전트(미리보기)를 소개했습니다. 오늘부터 Amazon Bedrock용 에이전트를 정식 버전으로 사용할 수 있습니다. Amazon Bedrock용 에이전트는 여러 단계의 태스크를 오케스트레이션하여 생성형 인공 지능(AI) 애플리케이션 개발을 가속화하는 데 도움이 됩니다. 에이전트는 파운데이션 모델(FM)의 추론 기능을 사용하여 사용자 요청 태스크를 여러 단계로 분할합니다. 개발자 제공 지침을 사용하여 오케스트레이션 계획을 만듭니다. 그런 다음 회사 API를 호출하고 […]
Amazon SageMaker Clarify – 파운데이션 모델 평가 기능 출시 (미리 보기)
Amazon SageMaker Clarify에서 이제 파운데이션 모델(FM) 평가(미리 보기)가 지원됩니다. 이제 데이터 과학자 또는 기계 학습(ML) 엔지니어는 SageMaker Clarify를 사용하여 정확성, 견고성, 창의성, 사실적 지식, 편향, 유해성 등의 지표를 기반으로 몇 분 만에 FM을 평가, 비교 및 선택할 수 있습니다. 이 새로운 기능은 SageMaker Clarify의 기존 기능에 추가되어 ML 데이터 및 모델의 편향을 감지하고 모델 예측을 […]
Amazon SageMaker Inference – 파운데이션 모델 배포 비용과 지연 시간 감소
오늘, 배포 비용을 최적화하고 지연 시간을 줄이는 데 도움이 되는 새로운 Amazon SageMaker 추론 기능을 발표합니다. 이 새로운 추론 기능을 사용하면 동일한 SageMaker 엔드포인트에 하나 이상의 파운데이션 모델(FM)을 배포하고 각 FM에 예약되는 액셀러레이터 수와 메모리 양을 제어할 수 있습니다. 이렇게 하면 리소스 활용도를 높이고 모델 배포 비용을 평균 50% 절감하며 사용 사례에 따라 엔드포인트 규모를 […]
Amazon SageMaker – 안내식 워크플로를 통한 모델 패키징 및 배포 가속화
이제 Amazon SageMaker에서 개선된 모델 배포 경험을 통해 기존 기계 학습(ML) 모델과 파운데이션 모델(FM)을 더 빠르게 배포할 수 있습니다. 데이터 사이언티스트 또는 ML 실무자는 이제 SageMaker Python SDK의 새로운 ModelBuilder 클래스를 사용하여 모델을 패키징하고 로컬 추론을 수행하여 런타임 오류를 검증하며 로컬 IDE 또는 SageMaker Studio 노트북에서 SageMaker를 배포할 수 있습니다. SageMaker Studio의 새로운 대화형 모델 […]